基于时空相关性碰撞检测算法

在基于层次包围盒碰撞检测算法中,参与相交测试的包围盒的数目会直接影响到碰撞检测的速度.针对这一特点,利用虚拟环境中对象运动的时空相关性对包围盒树进行优化,通过跟踪上一时间点对包围盒树的遍历过程,确定当前时间点的遍历路径,从而有效地减少遍历过程中包围盒相交的次数.实验结果证明,算法能够有效地减少参与测试的包围盒数目,大大提高了碰撞检测的速度.     

融合包围盒智能算法的虚拟场景碰撞检测研究

在虚拟仿真过程中,准确高效的完成模型空间碰撞检测是一项技术难点.针对不断复杂化的虚拟场景,提出了一种融合包围盒智能算法.考虑到虚拟场景的变换特性,使包围盒对场景内模型具有良好的适应性,利用模型在xyz坐标平面的投影倾角和紧密度来确定使用AABB或者OBB.AABB包围盒在矢量方向存在厚度,为避免三角面片计算时对效率产生影响,设计了一种无厚度优化AABB包围盒,用以快速排除非相交模型.OBB包围盒具有更好的方向优势,但是OBB包围盒容易产生方向倾斜,于是对OBB包围盒的分布问题进行优化.为防止存在结构差异的AABB与OBB结合后拉低遍历速度,设计了双层二叉树结构来降低遍历深度.碰撞检测过程可转换为包围盒内部模型采样特征点的寻优,于是引入粒子群算法进行迭代.通过仿真,得到算法的帧计算时间为0.025ms,帧更新占比为2.481％,每帧树节点为317,碰撞检测的平均时间为15.69ms.结果 表明算法显著压缩了空间和时间消耗,有效提高了虚拟场景碰撞检测的效率,同时具有良好的检测准确性.     

虚拟手术中的快速碰撞检测算法

为了解决当前虚拟手术仿真中使用单一包围盒进行碰撞检测实时性不能满足要求的问题,提出了一种针对虚拟手术的基于层次包围体的快速碰撞检测方法。该方法主要应用了层次包围盒(BVH)的思想,同时根据不同对象的拓扑结构特征,采用不同的包围盒技术来表示。首先,用层次包围盒来表示手术工具,用层次包围球表示手术对象;然后,利用包围球和方向包围盒的相交测试快速排除不相交部分;最后,对于可能发生碰撞的部分再使用更为精确的三角面片相交测试来确定碰撞信息。实验结果表明,在相同的虚拟手术场景下,提出的这种方法较使用单一的层次包围盒具有更快的速度。     

虚拟手术环境中软组织的快速碰撞检测

针对虚拟手术中软组织碰撞检测的实时性问题,提出了一种基于延迟更新策略的快速检测方法。该方法应用层次包围盒（BVH）的思想并根据拓扑结构特征来表示手术环境中的对象,同时使用延迟更新的策略来降低更新的计算量。首先用不同的层次包围盒来表示手术工具和手术对象;然后利用包围盒的相交测试快速排除不相交部分;再对可能发生碰撞的部分使用更为精确的三角面片相交测试来确定碰撞信息,最后使用延迟更新的策略来完成软组织变形时层次包围盒的更新。实验表明,该方法相较于现有算法在保持检测精度的同时能够有效提高碰撞检测的速度。     

改进的基于AABB包围盒的碰撞检测算法

介绍了一种改进的基于AABB包围盒的碰撞检测算法,通过对对象不断的分割逐步构造出贴近对象的层次包围盒,在碰撞检测阶段对其逐层遍历以实现精确而快速的碰撞检测.实验结果表明,与层次包围球算法相比,该方法在构造二叉树和进行精确的碰撞检测时,性能都有较为明显的提高.     

基于层次包围盒的碰撞检测算法的存储优化

介绍了基于层次包围盒的碰撞检测算法的存储优化方法。该方法从存储空间的角度来改进基于AABB树的碰撞检测算法。根据AABB树的构造过程,减少内部节点的AABB包围盒的存储字节数;基于快速三角形相交测试算法,从叶节点结构里去掉包围盒信息,将叶节点从存储结构中删除。实验表明,利用AABB包围盒和叶节点的存储优化,既减少了算法的存储空间又加快了算法的执行时间。     

基于改进A*算法的移动机器人路径规划

针对A*算法在路径规划中存在遍历节点数过多、转折角度较大的问题,提出一种能自适应场景地图的改进A*算法。通过量化地图场景信息和障碍物分布情况,引入父节点对当前节点的影响力,增加障碍物分布率的启发函数权重,减少遍历节点数量、提高搜索速度;加入转弯惩罚函数、扩展邻域优先级搜索和冗余节点平滑策略对路径进一步优化,避免路径出现多余转弯,降低路径出现局部最优解的可能。在相同地图场景中进行测试对比,所提算法能有效减少遍历节点数量,降低总转折角度,提高搜索速度,缩短路径距离,获得最优路径。     

基于空间剖分和包围盒的快速碰撞检测算法

针对碰撞检测的实时性和逼真度较差的缺陷,提出一种新的混合碰撞检测算法。该算法在空间剖分阶段采用八叉树技术有效降低了层次划分树的深度,提高了层次划分树的构建速度,快速剔除了不可能相交的基元对。在精确检测阶段,采用同时向下遍历的方法并结合时空相关性对层次包围盒树的遍历过程进行优化,利用三角形与两面交线的位置关系快速判定两异面三角形的位置关系,并采用元素分配法避免了对公共元素的重复测试和无用的元素对测试,使基元相交测试的效率显著提高。实验结果证明,与经典的Rapid算法相比,该算法有效地减少了碰撞检测的时间开销,提高了碰撞检测的实时性和真实感。     

包围盒碰撞检测算法的优化

围绕如何提高碰撞检测的速度,对虚拟环境中的物体进行了假设,提出了对碰撞检测进行预处理的方法,并结合各类包围盒的特点,提出了在碰撞检测中针对具有不同几何特征的物体选择不同类型包围盒的混合包围盒算法,分析了不同类型包围盒之间的求交算法,实现了层次包围盒碰撞检测算法的优化,提高了碰撞检测的速度,增强了系统的实时性。     

依赖表面提取的二次空间分解碰撞检测方法

为了提高空间分解碰撞检测算法的性能,提出了一种基于表面提取的二次空间分解碰撞检测算法。该算法在预处理阶段首先建立碰撞检测体的三维模型,进行第一次空间剖分,利用表面提取方法抽取包含碰撞体表面的单元格,使得参与碰撞检测的三角面片大幅减少。在检测阶段进行第二次剖分,通过计算待检物体包围盒树深度与给定值μ的大小关系,生成称作Adjacent的数据结构,采用遍历跟踪的策略记录遍历过程,当拓扑结构发生变化时根据遍历跟踪表的记录调整遍历方案可缩短遍历路径,节省运算时间,进一步提高算法性能。实验通过与Rapid、I-Collide算法的比较表明,提出的算法提高了检测效率。     

基于混合包围盒与三角形相交的碰撞检测优化算法

碰撞检测的速度与准确性是众多计算机应用程序的关键难题之一。为了提高检测速度同时兼顾准确性,将检测分为两个阶段：预处理检测阶段首先均匀剖分待测空间以确定相邻对象,然后对相邻的对象构造AABB-OBB混合层次包围盒,改进包围盒的构造方式,同时改善任务结构加速遍历过程;详细检测阶段在M?ller算法基础上加以改进,构造新的计算坐标系,对空间几何三角形进行投影降维,在二维平面上解决空间问题,从而减少算法总的计算量。实验结果表明,在保证碰撞检测准确性的前提下其检测速度大幅提高。     

融合DNN与AABB—圆形包围盒自碰撞检测

目的 为了解决自碰撞检测剔除率低和检测速度慢的问题,提出一种AABB（aixe align bounding box）—圆形包围盒树结构和具有二分类功能的深度神经网络（deep neural network,DNN）加速包围盒相交检测的方法。方法 对变形体构建AABB—圆形包围盒树,即对内部节点构建AABB包围盒,对叶子节点构建圆形包围盒。根据AABB—圆形包围盒生成包围盒测试树（bounding volume test tree,BVTT）,采用深度神经网络优化BVTT的包围盒相交测试和法向锥测试,输出碰撞三角形对。结果 在确定最优隐含层数和每层最优节点数保证深度神经网络达到最佳准确率的情况下,实验结果表明,在没有自碰撞的情况下,本文方法与AABB-OBB方法、经典包围盒方法耗时相同,但在自碰撞足够多的模拟场景中,融合深度神经网络的AABB-圆形包围盒方法比AABB-OBB（oriented bounding box）方法和经典的包围盒方法速度更快,整体耗时缩短了21%~37%。同时,对5种方法的更新率、检测效率和图元相交测试时间进行实验对比,发现本文方法比AABB-OBB方法和经典的方法具有更好的贴合性和更快的相交测试速度。结论 本文方法相对于AABB-OBB方法、经典包围盒方法的测试速度更快,不仅提高了自碰撞检测高层剔除率,同时降低了模拟整体耗时,更适用于实时变形体自碰撞检测领域。     

基于混合数据结构的实时GPU光线跟踪算法

研究真实感图像的问题,光线跟踪算法是生成真实感图形的主要算法之一.为了解决光线跟踪算法计算量大、效率低下、对动态场景处理能力不足的问题,采用图形处理器(graphics processing unit,GPU)统一编程架构,提出了一种新的基于计算统一设备架构(Compute Unified Device Architecture,CUDA)编程模型的结合层次包围体(Bounding Volume Hierarchies,BVH)和kd-tree的光线跟踪方法,首先对场景进行启发式的层次包围体分割,随后在每一个层次包围体上做启发式的k维二叉树(k-dimensional tree,kd-tree)剖分,这样就形成了一种新的空间划分,有利于建立高效的空间数据结构,提高光线与场景物体的求交速度.新设计的算法易于扩展到动态场景的光线跟踪,而且具有更快的渲染速度,有利于在应用系统中集成和扩展.实验结果验证了算法的有效性.     

融合神经网络的布料碰撞检测算法

目的 针对当前在虚拟环境中布料柔体碰撞检测效率慢和准确性低的问题,提出一种根节点双层包围盒树结构和融合OpenNN （open neural networks library）神经网络加速预测碰撞检测的算法。方法 首先改进了碰撞检测常用的包围盒技术,提出根节点双层包围盒算法,减少包围盒的构造时间。其次使用神经网络优化碰撞检测技术,利用神经网络可以处理大量数据的优势,每次可以检测大量基本图元是否发生碰撞,解决了碰撞检测计算复杂性高的问题。最后准确地找到碰撞粒子并做出碰撞响应。结果 在相同的复杂布料模型情况下,根节点双层包围盒算法在运行速度上比传统混合包围盒算法快,耗时缩减了5.51%~11.32%。基于OpenNN算法的总耗时比根节点双层包围盒缩减了11.70%,比融合DNN （deep neural network）的自碰撞检测算法减少了6.62%。随着碰撞检测难度的增大,当布料模型的精度增加84%时,传统物理碰撞检测方法用时增加96%,融合DNN的自碰撞检测算法用时增加90.11%,而本文基于神经网络的算法用时仅增加了68.37%,同时表现出更高的稳定性,满足使用者对实时性的要求。结论 对于模拟场景中简单模型的碰撞,本文提出的根节点双层包围盒算法比传统的包围盒方法耗时短。对于复杂模型,基于OpenNN神经网络的碰撞检测算法在效率上优于传统的包围盒算法和融合DNN的自碰撞检查算法,而且模拟效果的准确性也得以保证,是一种高效的碰撞检测方法。     

基于混合包围盒的碰撞检测算法

提出了一种基于k-dops包围盒与包围球相结合的碰撞检测算法。预处理阶段为几何对象构造包围盒二叉树,其中节点的内层构造k-dops包围盒,节点的外层构造包围球。碰撞检测阶段,首先利用包围球快速排除不可能发生相交的物体,然后利用k-dops包围盒进一步精确地判断物体对是否发生相交。通过与QuickCD算法的性能进行比较,证明了这种混合包围盒能够有效地提高复杂结构几何体之间碰撞检测的效率。     

基于自适应二叉树的场景视锥体裁剪算法

建立逼真而丰富的三维场景是可视化领域的主要任务.场景的数据管理和可见性判断对后续渲染的质量和效率起到了至关重要的作用.为了弥补传统场景组织方式在实际应用中的缺陷,本文采用自适应二叉树场景组织算法对场景进行管理,采用层次化裁剪的方式对场景树的节点进行视锥体裁剪,在裁剪过程中所操作的对象是节点中的包围球和包围盒.实验表明,这种基于包围球和包围盒的层次化的视锥体裁剪算法大大的减少了参与裁剪的节点的数量,提高了裁剪的精确性,具有较好的裁剪效率和较高的稳定性.     

三维表面模型的快速切割算法

讨论了一个三维表面模型的快速切割算法.由改进的MC(marching cubes)方法抽取、构成了连续曲面的分组信息以及构成曲面的三角面片的层次包围盒信息，并利用记录了上述信息的B+树模型,完成了三维表面模型的快速切割算法.讨论的算法通过充分发掘和利用MC算法中所隐含的三角面片的包围盒信息和物体各部分间的三维相关信息，在对三维表面模型进行切割计算时,可以快速定位交点，并且根据交点信息，不必遍历模型的所有三角面片，而直接完成对整个被切割模型的分割.研究背景是髋关节整型手术中平面手术刀及球面手术刀对髋关节的切     

三维地层Tin模型剖切的改进算法

地层Tin(Triangulated Irregular Network)剖切是实现三维地质建模和分析的关键算法。通过分析实际地层剖切分析的特点,采用虚拟现实中碰撞检测的层次包围盒方法改进原来三角网格检测的算法。首先建立剖切面和Tin的矩形包围盒树,通过坐标轴投影法快速实现矩形包围盒的碰撞检测,然后对检测到可能发生相交的三角形进行交点计算,详细分析所得交点的不同位置的情况,对Tin进行裁剪分边和重构得到剖切后的模型,最后阐述算法实现的主要数据结构和展示剖切的效果。     

基于Sphere和OBB混合的碰撞检测算法

层次包围盒是碰撞检测中常用的方法。实现了一种混合使用Sphere和OBB两种包围盒的碰撞检测算法,这种算法在包围盒树的上层使用Sphere,下层使用OBB,吸取了Sphere构造简单,相交测试简单以及OBB紧密性好的优点,可以快速排除没有发生碰撞的对象,在对象发生旋转之后仅需要对下层OBB部分进行相应旋转。通过灵活选择不同层次的数量,可以适用于不同的虚拟场景。通过模拟两辆汽车碰撞的实验,证明了算法在检测速度上优于仅适用OBB的RAPID算法。     

结合轴对齐包围盒和空间划分的碰撞检测算法

目的 碰撞检测是虚拟现实,特别是虚拟装配中的关键技术。针对基于包围盒的碰撞检测算法的准确性和检测效率不足的问题,提出一种结合AABB轴对齐包围盒和空间划分的碰撞检测算法。方法 本文算法采用分步检测的方法,利用AABB算法来确定两包围盒的相交区域后,结合模型移动方向和运动趋势进行空间划分,利用碰撞检测的时空相关性,对时空相关的部分进行相交测试,通过将包围盒还原成三角面以及点的方式来保证检测的准确性。结果 本文算法与AABB层次包围盒二叉树算法、k-Dops包围盒算法以及BPS空间分割树算法进行对比实验分析。在碰撞的几何精度上,本文算法在大部分情况下与AABB算法和k-Dops算法的距离差超过阈值0.02,证明本文算法在碰撞几何精度上有明显的提高。在碰撞检测时耗上,随着碰撞检测难度的不断增加,本文算法在平移自由度下比AABB算法和BSP算法、在旋转自由度下比AABB算法和k-Dops算法的检测时间均降低了50%以上。在三角面数对算法碰撞检测时耗的影响上,当运动模型的三角面数较多时,本文算法表现出更高的稳定性。结论 结合AABB包围盒和空间划分方法的碰撞检测算法,在减少碰撞检测所需时间的同时提高了碰撞检测的准确性,可以满足虚拟装配技术中对碰撞检测算法准确性的要求,同时也能满足使用者实时性的交互习惯。